실전

Claudedrug 개발 실무, 통과해야 할 세 가지 관문

Anthropic은 Claude를 실제 신약 개발에 적용했지만 공개된 자료는 초기 성과에 국한된다. 속도뿐 아니라 실험 성과, 비용, 재현 가능성까지 검증해야 진정한研发 효율 향상을 판단할 수 있다.

글자 크기

Anthropic은 Claude를 실제 신약 개발 과정에 도입했다. 주목할 점은 실험 설계안을 생성할 수 있는지가 아니라, 그 결과를 재현할 수 있는지, 실험 전체가 성공으로 이어질 수 있는지가 된다.

원문 링크: https://www.anthropic.com/research/early-progress-drug-development

Anthropic은 이 일을 최종 임상 결과가 아닌 early progress로 설명했다. 이 표현은 그대로 유지할 필요가 있다. 신약 개발은 논문을 그럴듯한 계획으로 바꿔놓는 데서 끝나지 않으며, 모든 판단은 실제 실험으로 검증해야 하기 때문이다.

관련 보도 자료가 Hacker News 메인 페이지에 올라가 225 points와 215개 댓글을VMs었다. 토론 규모만으로도 개발자들의 관심이 높다는 사실은 알 수 있다. 더 중요한 문제는 Anthropic이 무엇을 공개했고 무엇을 공개하지 않았는가다.

이번 발표에는 무엇이 포함됐나

이번 연구는 Claude를 신약 개발에 활용한 초기 사례를 다룬다. 공개 요약에는 허가받은 신약이나 임상시험 결과가 없으며, 전체 프로젝트 데이터도 공개되지 않았다.

현재 확인되는 정보는 세 가지다.

  1. Anthropic이 Early progress on accelerating drug development with Claude를 공개했다.
  2. 연구 대상은 실제 신약 개발 과정에서 Claude를 적용한 초기 사례였다.
  3. Anthropic은 결과를 신약 개발 가속화의 ‘early progress’로 표현했으며, 최종 임상 결론으로 제시하지 않았다.

다만 공개 요약에는 다음 정보가 포함되지 않았다.

  • 구체적인 신약 이름
  • 실험 기간
  • 비용
  • 성공률
  • 다른 사례와 비교할 수 있는 기준 데이터

따라서 현재로서는 Claude가 일부 개발 과정에 참여했다고만 말할 수 있다. 이를 근거로 신약 개발 성공률이 높아졌거나 허가 기간이 짧아졌다고 단정할 수는 없다.

AI for Science를 평가할 때 흔히 부딪히는 문제이기도 하다. 요약은 범위와 결과를 잘 설명하지만, чита에게 가장 필요한 것은 분모다. 실험은 몇 번 수행됐고, 실패는 몇 번 발생했으며, 기존에는 전문가 몇 명이 얼마의 시간을 들여 같은 일을 했는가. Claude가 보고서 작성 시간을 줄인 것인지, 실패한 실험 수를 줄인 것인지를 구분해야 한다.

신약 개발은 대화형 작업이 아니다

신약 개발에는 다음과 같은 엄격한 의존 관계가 있다.

타깃 → 후보 분자 → wet experiment → 임상 검증

타깃은 신약이 개입하려는 생물학적 메커니즘을 뜻한다. 후보 분자는 해당 타깃에 작용할 가능성이 있는 화학 구조에 불과하다. 이를 wet experiment로 검증해 결합 활성, 선택성, 독성, 대사와 세포 효과를 측정해야 한다. 이후 동물 실험, 임상시험, 규제 승인을 거쳐야 한다.

각 단계는 이전 단계의 후보를 탈락시킨다.

논문에서 타당한 분자처럼 보여도 세포에서 활성이 있다는 뜻은 아니다. 세포 활성이 있어도 동물 체내에서 효과가 있다는 의미도 아니다. 동물에서 효과가 있어도 사람에게 안전하고 유효하다는 보장은 없다.

Claude가 실험 설계안을 작성하는 것과, 그 설계안에서 신뢰할 수 있는 결과를 얻는 것은 별개의 문제다. 후자는 최소한 다음 요소를 필요로 한다.

  • 사전에 정의한 가설
  • 대조군과 표본 수
  • 원시 실험 기록
  • 실패 표본의 처리 규칙
  • 반복 가능한 절차
  • 외부 실험실에 의한 재현

따라서 ‘모델이 타당한 설계안을 작성할 수 있다’는 사실은 인터페이스 수준에서 작동한다는 증거일 뿐이다. 타깃 선택, 실험 실패, 임상 위험이라는 관문을 자동으로 넘을 수 있다는 의미는 아니다.

범용 LLM의 강점은 인터페이스 계층에 있다

Claude의 강점은 생정보학 소프트웨어를 대체하는 데 있지 않고, 정보를 통합하는 데 있다.

신약 개발 자료는 논문, 특허, 임상시험 등록 정보, 화합물 데이터베이스, 사내 실험 기록 등에 흩어져 있다. 하나의 타깃에 대해 서로 다른 메커니즘 설명이 수십 개 존재할 수도 있다. Claude는 먼저 이러한 자료를 읽은 뒤 근거를 검토 가능한 작업 초안으로 정리할 수 있다. 기존 결론은 무엇이며, 근거는 어디에서 왔고, 어떤 변수를 실험으로 확인해야 하는지를 담아두는 방식이다.

대체 가설을 생성하는 일에도 적합하다. 예를 들어 특정 타깃에 대해 여러 작용 경로를 제시하고, 각 경로에 후보 분자, 실험 측정값, 탈락 조건을 연결할 수 있다.

다만 Claude는 도구의 경계를 넘어서는 작업을 수행해서는 안 된다. 구조 예측, 정렬, 화합물 검색, 분자 특성 계산은 전용 도구에 맡겨야 한다. Claude의 역할은 언어 모델의 확률을 바탕으로 단백질 구조를 추측하는 것이 아니라, 이러한 도구를 조율하는 데 있는 편이 적절하다.

실행 가능한 인터페이스는 다음과 같은 형태가 될 수 있다.

from anthropic import Anthropic

client = Anthropic()

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1200,
    messages=[
        {
            "role": "user",
            "content": (
                "你是药物研发助手。根据以下实验记录列出:"
                "1)支持结论的证据;2)相互矛盾的证据;"
                "3)下一轮最小湿实验设计;4)淘汰标准。"
                "不要补造未提供的数值。\n\n"
                "实验记录:处理组细胞活力为对照组的 65%,"
                "但重复批次差异较大,尚未完成剂量梯度实验。"
            ),
        }
    ],
)

print(response.content[0].text)

이 코드는 모델을 사용하는 방식을 보여준다. 모델은 근거를 정리하고 다음 실험을 제안하며, 수치는 실험 기록에서 가져온다. 모델에는 누락된 정보를 임의로 보완하지 말라는 조건이 명시돼 있다.

범용 LLM을 인터페이스 계층에 두는 것이 왜 의미가 있는지도 여기에 설명돼 있다. 모든 전문 시스템을 대체할 필요는 없다. 데이터베이스, 분석 도구, 실험 플랫폼을 안정적으로 호출하고 중간 결과를 보존할 수 있다면, 통합된 진입점이 될 수 있다.

커뮤니티 논쟁은 검증 가능성에 집중됐다

Hacker News의 225 points와 215개 댓글은 논쟁의 초점을 검증 가능성으로 모았다.

의문은 단순히 ‘AI가 실험실에 들어가면 안 된다’는 수준을 넘는다. 다음과 같은 구체적인 질문들이 제기됐다.

  • 원시 실험 기록을 공개했는가?
  • Claude를 사용하지 않은 대조군이 있는가?
  • 한 번의 실험에 실제로 얼마나 걸렸는가?
  • 추론과 도구 호출에 필요한 총비용은 얼마인가?
  • Claude가 제안한 설계안 중 실제로 실험에 들어간 것은 얼마나 되는가?
  • 성공 사례뿐 아니라 실패 사례도 있는가?
  • 다른 실험실에서 결과를 재현할 수 있는가?

Anthropic의 공개 요약에는 구체적인 신약, 실험 기간, 비용, 성공률, 비교 기준이 제공되지 않았다. 현재 공개된 증거만으로는 가속 효과를 판단하기 어렵다.

이것이 논문 요약과 재현 가능한 연구 사이의 간극이다. 요약은 방향을 설명할 수 있지만, 완전한 평가를 위해서는 더 많은 자료가 필요하다. 업무 정의, 데이터 버전, 프롬프트, 도구 호출 이력, 실패 사례, 실험 프로토콜이 그 대상이다.

기업의 조달 담당자라면 공급자가 완전한 감사 기록을 내보낼 수 있는지를 최우선 조건으로 볼 것이다. 모델 호출에 어떤 컨텍스트를 사용했고, 어떤 도구를 호출했으며, 어떤 초안을 생성했고, 사람은 무엇을 수정했는지를 모두 기록으로 남겨야 한다. 그렇지 않으면 나중에 어떤 의사결정이 어떤 과정을 거쳐 만들어졌는지 설명할 방법이 없다.

평가 기준은 속도보다 의사결정 품질로

‘설계안을 얼마나 빠르게 생성하는가’는 측정하기 쉽지만, 업무상 의미가 가장 큰 지표는 아니다.

신약 개발에서 실제로 봐야 할 것은 모델이 무의미한 업무를 줄이고, 제한된 예산 안에서 더 나은 실험 결정을 내릴 수 있도록 돕는인지 여부다.

최소한 네 가지 지표가 필요하다.

1. 실험 적중률

모델이 제안한 후보 설계안이 wet experiment에 들어간 뒤 유효한 신호를 만든 비율은 얼마인가. 여기서 ‘유효’를 성공으로만 정의해서는 안 된다. 무효 실험률도 함께 집계해야 한다. 그래야 다수의 운에 기대는 설계안을 통해 소수의 성공만 만들어 내는 방식을 구분할 수 있다.

2. 실패 표본 설명 능력

실제 개발에서 실패는 일상이다. 모델이 메커니즘 오류, 용량 오류, 배치 문제, 측정 오차를 구분할 수 있는가. 그 능력은 보기 좋은 가설을 생성하는 것보다 중요하다.

3. 예산 제약 속에서의 의사결정 품질

비용과 실험 횟수를 엄격한 제약으로 설정한 뒤 실험 조합을 비교해야 한다. 후보 수가 늘었다고 프로젝트 성공 가능성까지 높아지는 것은 아니기 때문이다.

4. 실험실 간 재현률

동일한 모델 초안을 서로 다른 팀이 동일한 프로토콜에 따라 실행했을 때 결과가 일치하는가. 한 명의 전문가가 계속 수정해야만 실행할 수 있다면 일반화 능력은 여전히 제한적이다.

실제 개발 현장에 가까운 평가 세트는 프로젝트 단위로 데이터를 나누고, 시간에 따라 학습 경계를 보존하며, 모델 제안부터 실험 결과까지의 전 과정을 기록해야 한다. 최종 보고서에 텍스트 점수만 부여하는 방식으로는 의사결정 품질을 측정할 수 없다.

편집자 관점

Claude가 신약 개발에서 갖는 의미는 현재로서는 약물학자를 대체하는 데보다, 흩어진 근거를 검토 가능한 작업 초안으로 정리하는 데 가깝다. 범용 LLM의 장점은 바로 인터페이스 계층에 있다. 자료를 읽고, 도구를 연결하고, 충돌하는 근거를 나열하고, 다음 실험을 설계하는 역할이다. 진짜 관문은 여전히 wet experiment와 임상 검증에 남아 있다.

제 생각에 앞으로의 AI for Science는 두类产品으로 나뉠 것이다. 한쪽은 여전히 ‘읽는 속도’를 내세우며 사라TCHA를raising하고, 다른 쪽은 실험 적중률과 재현 기록을 공개하기 시작할 것이다. 후자의 수는 당분간 크게 늘지 않겠지만, 고객이 실제로 돈을 지불하려는 영역에 더 가까워질 것이다.

이번 사례는 이전의 Agent 시연과 달랐다. 엄격한 지표, 비싼 소모품, 명확한 탈락 규칙이 있는 개발 과정에 들어섰기 때문이다. 따라서 공개 요약에 신약, 기간, 비용, 성공률, 비교 기준이 없다는 사실은 부차적인 누락이 아니라 현재 가장 중요한 공백이다. 공개된 자료만으로 Claude가 임상 허가 기간을 단축했다고 증명할 수는 없다. 완전한 실험 데이터와 독립적인 실험실의 재현 결과가 나온 뒤에야 결론을 내릴 수 있다.

출처

https://www.anthropic.com/research/early-progress-drug-development

출처: https://www.anthropic.com/research/early-progress-drug-development